| 多任务Lasso回归法在恒星光谱物理参量估计中的应用 |
| |
| 引用本文： | 常丽娜,张培爱.多任务Lasso回归法在恒星光谱物理参量估计中的应用[J].天文学报,2015,56(1):26-34. |
| |
| 作者姓名： | 常丽娜 张培爱 |
| |
| 作者单位： | 暨南大学信息科学技术学院 广州510632 |
| |
| 基金项目： | 教育部人文社会科学研究一般项目 |
| |
| 摘 要： | 多任务学习方法在机器学习、计算机视觉、人工智能领域已得到广泛关注,利用任务间的相关性,将多个任务同时学习的效果优于每个任务单独学习的情况.采用多任务Lasso回归法(Multi-task Lasso Regression)用于恒星光谱物理参量的估计,不仅可以获取不同物理参量间的共同的特征信息,而且也可以很好地保留不同物理参量的特有的补充信息.使用恒星大气模拟模型合成光谱库ELODIE中的光谱数据和美国大型巡天项目Sloan发布的SDSS实测光谱数据进行实验,模型估算精度优于相关文献中的方法,特别是对重力加速度(lg g)和化学丰度(Fe/H])的估计.实验中通过改变光谱的分辨率,施加不同信噪比(SNR)的噪声,来说明模型的稳定性强.结果表明,模型精度受光谱分辨率和噪声的影响,但噪声对其影响更大,可见,多任务Lasso回归法不仅操作简便,稳定性强,而且也提高了模型的整体预测精度.
|
| 关 键 词： | 恒星:基本参数 方法:数据分析 方法:统计 方法:其它诸多方面 |
Application of Multi-task Lasso Regression in the Stellar Parametrization |
| |
| CHANG Li-na,ZHANG Pei-ai.Application of Multi-task Lasso Regression in the Stellar Parametrization[J].Acta Astronomica Sinica,2015,56(1):26-34. |
| |
| Authors: | CHANG Li-na ZHANG Pei-ai |
| |
| Institution: | CHANG Li-na;ZHANG Pei-ai;College of Information Science and Technology, Jinan University; |
| |
| Abstract: | |
| |
| Keywords: | stars: fundamental parameters methods: data analysis methods: statistical methods: miscellaneous |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
